뇌정맥 BCI 접근을 위한 Soft Actor-Critic 자율 로봇 내비게이션 첫 시연
이 논문은 혈관 내 뇌-컴퓨터 인터페이스(BCI) 접근을 위해 대뇌 정맥계에서 자율 로봇 내비게이션을 처음으로 시연한 프리프린트다. Soft Actor-Critic(SAC)으로 두 단계 과제를 학습시켜 시뮬레이션에서 훈련 해부학 기준 성공률 85.6%와 98.4%, 보지 못한 해부학 기준 42.0%와 91.6%를 얻었고, 형광투시 안내 물리 팬텀 20회 중 14회(70%)를 성공했다. 실패 예측기는 시뮬레이션에서 실패의 99.3%에서 100.0%를 탐지했지만 물리 전이 후 보정이 떨어져 임상 전 검증이 필요하다.
대뇌 정맥계를 통한 혈관 내 BCI 접근을 자율 로봇이 수행할 수 있는가, 그리고 온라인 실패 예측이 사람 감독을 지원할 수 있는가?
혈관 내 BCI는 개두술을 피하지만 해부학적 변이가 큰 대뇌 정맥을 따라 카테터와 가이드와이어를 정확히 전달해야 한다. 기존 수동 시술은 시술자 숙련도에 의존하고 반복적인 형광투시로 방사선 노출이 있으며, 정맥 경로는 가늘고 구불구불해 재현성 있는 접근이 어렵다.
기존 자율 카테터 내비게이션 연구는 주로 대동맥궁과 관상동맥 등 동맥계에 집중됐고, 일부 대뇌 동맥 연구가 있었지만 대뇌 정맥계를 다룬 연구는 없었다. 수동 신경중재술은 숙련도 의존과 방사선 노출 문제를 남겼고, 자율 접근을 사람 감독과 결합한 온라인 실패 예측도 부족했다.
SAC 기반 순환 정책을 stEVE와 SOFA BeamAdapter로 전체 시뮬레이션에서 학습시켰다. 오른쪽 경정맥에서 상시상정맥동 하부까지 가는 Task A와 상시상정맥동 하부에서 최상단까지 가는 Task B로 나누고, 훈련 해부학 하나에 중심선 길이와 혈관 반지름 ±20% 스케일링, 최대 30도 회전, 국소 변형 등 기하 증강을 적용했다. 별도 GRU 기반 과제별 실패 예측기가 향후 20제어 스텝 내 실패 확률을 추정하고, 물리 실험에서는 확률이 0.80을 6스텝 초과하면 가이드와이어 후퇴를 명령하는 선택적 자동 응답을 시험했다.
시뮬레이션 250회씩 평가에서 Task A와 B 성공률은 훈련 해부학 85.6%와 98.4%, hold-out 해부학 42.0%와 91.6%였다. 물리 팬텀 5회씩 20회에서는 전체 70%(14/20) 성공했고, 훈련 해부학 Task A와 B 각각 80%, hold-out Task A 40%, hold-out Task B 80%였다. 시뮬레이션 실패 예측기는 실패의 99.3%에서 100.0%를 탐지했고 허위 경보율은 0.8%에서 6.7%, 경고 리드타임 중앙값은 22에서 27스텝(약 2.9초에서 3.6초)이었다. 물리 실험에서는 실패 전 위험 확률이 상승했지만 일부 성공 run에서도 확률이 높아져 시뮬레이션-실물 보정 저하가 확인됐다.
프리프린트이며 동료 심사가 확인되지 않았다. 정맥 해부학 데이터가 2개뿐이라 훈련 1개와 hold-out 1개로만 평가했고, 기하 증강은 더 큰 환자 코호트의 위상과 병리를 대체하지 못한다. 물리 실험은 조건당 5회에 그쳐 추론 통계를 할 수 없었고, 수동 전문가 기준 비교도 없었다. 3D 프린트 PLA 팬텀은 맥동성과 생리적 움직임, 유연한 혈관 벽을 재현하지 못했고 마찰이 주요 실패 원인이었다. 접촉력이나 혈관벽 응력 같은 안전 지표를 측정하지 않았고 실제 BCI 전극을 배치하거나 신경 신호를 기록하지도 않았다. 실패 예측기는 같은 컨트롤러 계열의 궤적으로 학습되어 새 고장 모드를 인식하지 못할 수 있고, 자동 후퇴 응답은 대조 실험이 없어 안전성이나 이점이 입증되지 않았다.
Synchron의 Stentrode 같은 혈관 내 BCI 전달과 신경중재 로봇 플랫폼에 활용될 수 있다. 다만 현재는 초기 타당성 단계로, 1년에서 3년 내에는 유연 팬텀과 전임상 모델에서 사람 감독형 자율 접근 보조로 발전할 가능성이 있다. 임상 사용에는 대규모 환자 유래 정맥 데이터, 순응형 유체 팬텀, 물리 데이터 재보정, 힘 감지 안전 제약, 전극 배치 정확도 검증, 규제 승인이 선행돼야 한다.
이 논문은 라이선스상 전문을 게재할 수 없어 요약과 원문 링크만 제공합니다.